计算机技术与发展2022，Vol.32Issue(8) ：49-54.DOI:10.3969/j.issn.1673-629X.2022.08.008

基于YOLO v3的落水人员检测

Detection of People Falling into Water Based on YOLO v3

许晓峰 陈姚节 刘恒
计算机技术与发展2022，Vol.32Issue(8) ：49-54.DOI:10.3969/j.issn.1673-629X.2022.08.008
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于YOLO v3的落水人员检测

Detection of People Falling into Water Based on YOLO v3

许晓峰 1陈姚节 2刘恒1
扫码查看

作者信息

  • 1. 武汉科技大学 计算机科学与技术学院,湖北 武汉 430065
  • 2. 武汉科技大学 计算机科学与技术学院,湖北 武汉 430065;智能信息处理与实时工业系统湖北省重点实验室,湖北 武汉 430065
  • 折叠

摘要

针对落水人员所处水域的复杂性以及波纹、阳光等因素导致对落水人员检测的准确率较低,以及在检测小目标时,经典检测算法易出现误检漏检情况,提出一种改进的YOLO v3目标检测算法.使用k-means++聚类算法对自有落水人员数据集进行聚类,得到更适合落水人员的锚框,从而提高检测速度与精度;在网络中加入通道注意力机制模块,其关注通道信息,可以学习到不同通道特征的重要程度,根据重要程度为每个通道分配相应的权重,从而让网络关注重要的特征,抑制不重要的特征,提高重要特征的表征能力;引入感受野模块(RFB)来增大浅层特征图的感受野,从而提高小目标检测精度.最后,在自制的落水人员数据集上对该算法进行了验证,结果表明,该算法在检测效果上优于原始YOLO v3.

关键词

YOLO/v3/聚类/感受野模块/注意力机制/目标检测

引用本文复制引用

基金项目

国家自然科学基金(U1803262)

出版年

2022
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
被引量1
参考文献量4
段落导航相关论文